本研究では、PlantTraitNetという新しい深層学習フレームワークを提案しています。このフレームワークは、市民科学プロジェクトから収集された50億以上の位置情報付き植物写真を利用し、植物の高さ、葉面積、特定葉面積、窒素含量の4つの主要な特性を予測します。従来のフィールド測定に依存した特性マップはコストと地域カバーの制約がありましたが、PlantTraitNetは、これらの画像データを統合することで、より広範囲にわたる精度の高い特性マップを生成します。提案手法は、独立した植生調査データ（sPlotOpen）と比較して有効であり、既存の特性マップよりも高い精度を示しています。本研究は、エコロジー研究や地球システムモデルの新たな可能性を示しています。